Лучшие IT курсы в Украине

Ти навчишся просувати бренди в соцмережах, працювати з блогерами, налаштовувати рекламу і зможеш працювати SMM-ником в IT або Digital

Програма курсу

SMM

• Вступ до SMM
• Етапність роботи над проєктом
• Дослідження й аналіз аудиторії та конкурентів
• Знайомство з брендом та клієнтом
• Робота з підрядниками
• Основа бренду. Позиціонування та метрики успіху
• Стратегії контент-маркетингу та використання нейромереж
• Створення ідеального контенту для соцмереж: генерація ідей, UGC (User-generated content) та типи креативів
• Дизайн для креативів в SMM
• Особливості та найкращі практики просування в різних соцмережах: розуміння алгоритмів та трендів
• Особливості просування в TikTok. Створення Reels та монтаж відео
• Створення та розвиток ком'юніті бренду
• Управління та розвиток ком'юніті
• Партнерства й influence-маркетинг. Співпраця із лідерами думок та блогерами

Таргетинг

• Основи таргетованої реклами: підготовка акаунту до запуску реклами та робота з аукціоном
• Створення креативів та рекламних кампаній: підбір креативів під різні плейсменти
• Стратегії та бюджетування просування: створення успішних УТП та планування бюджету
• Аналітика рекламних кампаній: інструменти вебаналітики та трекінгу
• Створення звітів для замовника: показники та оптимізація рекламних кампаній

Soft&Career skills

• Філософія Agile
• Методологія Scrum
• Робота в команді
• Тайм-менеджмент
• Аналітика проєктів
• English speaking club
• Робота з EnglishDom words
• Заняття з працевлаштування
• Складання грамотного резюме
• Створення сторінки на LinkedIn
• Написання мотиваційного листа
• Майданчики для пошуку роботи
• Підготовка до HR-інтерв’ю
• Підготовка до технічного інтерв'ю
• Комунікативні навички

Проєкти

• SMM-стратегія просування бренду
• Маркетингова стратегія для таргету
• Підготовка та презентація портфоліо SMM-менеджера

Career skills

• Створення резюме
• Оформлення профілів Linkedin та Djinni
• Підготовка до HR та технічної співбесіди
• Рекомендація студентів на вакансії партнерів

Особливості курсу

• Спілкування в чаті
• Кабінет my.goit
• Прямі ефіри
• Круті ментори
• Кар'єрний сервіс

Ти навчишся керувати IT-проєктами, Agile-командами і зможеш працювати проджект-менеджером в IT або Digital

Програма курсу

Вступ до управління проєктами

• Введення в управління проєктами. Огляд індустрії
• Проєкт. Відмінності. Технології та методології
• Контракти. Особливості та ризики роботи з ним
• SCRUM. Особливості та нюанси
• Канбан. Особливості та нюанси
• Інструменти управління проєктами
• Стафінг у команду. Звільнення
• Особистий проєкт

Робота з проєктом

• Що потрібно знати перед стартом проєкту
• Збір вимог до проєкту. Хто, коли і як?
• Оцінка проєкту: типи та особливості
• Підготовка WBS
• Робота з ризиками на проєкті
• Як керувати бюджетом проєкту
• Хто і як відповідає за якість
• + продовження роботи над особистим проєктом

Загальний блок

• Метрики на проєкті. Що важливо знати
• Закриття проєкту за документами
• Особливості підготовки до інтерв'ю
• Здача тестового проєкту та іспит
• Запитання та відповіді викладачу
• + завершення роботи над особистим проєктом та іспит
• +1 командний проєкт

Soft skills

• Тайм-менеджмент
• Аналітика проєктів
• Робота з Quizlet з англійської
• Заняття з працевлаштування
• Складання грамотного резюме
• Створення сторінки на LinkedIn
• Написання мотиваційного листа
• Майданчики для пошуку роботи
• Підготовка до HR-інтерв’ю
• Комунікативні навички
• Тестові співбесіди

Career skills

• Створення резюме
• Оформлення профілів Linkedin та Djinni
• Підготовка до HR та технічної співбесіди
• Рекомендація студентів на вакансії партнерів

Особливості курсу

• Кабінет my.goit
• Спілкування в чаті
• Допомога ментора
• 2-3 вебінари на тиждень
• Кар'єрний сервіс

Програма курсу

Tier 1

• Python Programming: Foundations and Best Practices
• Mathematics for Computer Science and Introduction to Problem-Solving Techniques
• Basic Algorithms and Data Structures

Tier 2

• Numerical Programming in Python
• Relational Databases: Concepts and Techniques
• Machine Learning: Fundamentals and Applications
• Visual Analytics
• Introduction to Deep Learning
• Generative and Agentic AI
• Cryptography and Data Protection
• Network Security and Communication Protocols

Tier 3

• Identity and Access Management in Cybersecurity
• Security Operations and Incident Response
• Security Assessment and Testing in Cybersecurity

Дипломний проєкт (8 тижнів)

• Applied Computer Science: Capstone Project
  • Розробка власного стартапу в команді
  • Ви проходите всі стадії до пітчингу проєкту
  • Можливість отримати інвестиції

Особливості курсу

• Регулярні живі лекції та практика з викладачами
• Soft Skills
• Гнучкий графік без сесій
• Англійська для працевлаштування
• Автоперевірка коду та ШІ
• Підтримка кар'єрного консультанта
• Розробка резюме та мотиваційного листа
• Професійний профіль LinkedIn та зіркове портфоліо GitHub
• Тестові інтерв'ю
• Індивідуальні консультації та всебічна підтримка до випуску
• Студенський квиток
• Необхідність диплому бакалавра (будь-якої спеціальності) для вступу на магістратуру

Викладачі курсу

• Богдан Коваль - Senior Software Engineer at Netflix
• Нік Білогорський - Ex-Director Security Google
• Віталій Нужний - Head of Ukraine
• Роман Прокоф'єв - Засновник Jooble
• Дмитро Лисицький - Співзасновник укр.філії GlobalLogic та стартапу Influ2
• Євген Сисоєв - Керівний партнер інвесткомпанії AVentures Capital
• Юлія Грущинська - Керівник відділу HR-партнерів в Ciklum
• Robert Potter - Co-Founder at Internet 2.0
• Костянтин Магалецький - Екс-партнер Horizon Capital
• Василь Тофан - Старший партнер Horizon Capital
• Марина Євдокименко - Президентка асоціації Women4Cyber Ukraine
• Сергій Борона - Head of Information Security at Ciklum
• Олексій Барановський - Senior Application Security Engineer at Intellias
• Олег Осадчук - Python Software Engineer at EPAM
• Олег Сінькевич - Machine Learning engineer at EngenAI
• Максим Лизогуб - ML Engineer at Everymatrix
• Володимир Голомб - Lead Data Scientist & ML Engineer at RBC Group
• Катерина Коцюбівська - Співзасновниця ГО "Агенція сталого розвитку та освітніх ініціатив"
• Антон Чорний - Agile product management lecturer / CEO of GoIT
• Юрій Кучма - Basic Algorithms Lecturer
• Андрій Білик - COO at WEBGORILLA Studio
• Олексій Репін - Frontend Developer at GoIT
• Максим Алієв-Ломач - Full Stack Engineer at AIWEB Solutions
• Руслана Ковальчук - Head of Career Center, GoIT
• Юлія Мельник - Head of Study at GoIT
• Юлія Олійник - Scrum Master & Project Manager at GoIT
• Ярослав Косиця - Frontend Developer at SoftRyzen
• Олег Андрус - Python Programming Lecturer
• Олексій Кудін - Data Scientist/ML Engineer at Upwork
• Тетяна Філімонова - Associate Professor at the Faculty of Information Technology
• Артур Гіль - Security Engineering Lead at Cossack Labs
• Ольга Караіван - SOC Engineer at Pharmbills
• Ярослав Малоокий - Cybersecurity Engineer at Kavitech
• Максим Плахтій - Засновник Karabas.com
• Едуард Рубін - Ексректор ХНУРЕ
• Вячеслав Поліновський - Кандидат технічних наук
• Владислава Магалецька - Головна консультантка Президента Enterra Solutions
• Прокопенко Юрій - Директор з інформаційної безпеки Банку Кредит Дніпро (BCD)

Ви станете експертом у AI, машинному навчанні та розробці AI-рішень для бізнесу. Опануєте Python, SQL, TensorFlow, PyTorch, Scikit-learn, MLflow, Google Cloud, Apache Spark, а також методології Deep Learning, Generative AI, MLOps, Responsible AI. Будете навчатись у практиків з топових продуктових та сервісних компаній: Epam, Ciklum, Intellias, Softserve та застосовувати знання на практиці, створюючи AI-моделі, автоматизуючи процеси та розробляючи генеративні системи. Дипломним проєктом стане власний стартап, який ви запітчите перед інвесторами, або AI-проєкт для реального бізнесу.

Програма курсу

Tier 1

Python Programming: Foundations and Best Practies

Ви опануєте Python, навчитеся розробляти програми з використанням структур даних та алгоритмів, а також писати чистий, модульний та ефективний код, дотримуючись найкращих практик програмування.

Mathematics for Computer and Introduction to Problem-Solving Techniques

Ви здобудете теоретичні та практичні компетенції у математичних методах розв'язання інженерних задач, опануєте математичний апарат для роботи з моделями, навчитеся застосовувати основні математичні методи для аналізу, моделювання, оптимізації програмних рішень та обробки експериментальних даних.

Basic Algorithms and Data Structures

Ви оволодієте сучасними алгоритмами та структурами даних для ефективного збереження та обробки великих масивів інформації, навчитеся аналізувати, порівнювати та обирати оптимальні алгоритми, будувати структуровані рішення для програмного забезпечення та оцінювати їхню ефективність у реальних інформаційних системах.

Tier 2

Numerical Programming in Python

Ви навчитеся працювати з чисельними методами, обчислювати математичні моделі та оптимізувати алгоритми для аналітики та машинного навчання.

Relational Databases: Concepts and Techniques in Data Analytics

Ви опануєте роботу з реляційними базами даних, навчитеся створювати запити для аналізу даних та оптимізувати роботу з великими масивами інформації.

Machine Learning: Fundamentals and Applications

Ви опануєте основи машинного навчання, навчитеся будувати та оцінювати ML-моделі, працювати з класифікацією, регресією та кластеризацією, а також застосовувати алгоритми у реальних задачах.

Visual Analytics for Big Data

Ви навчитеся аналізувати та візуалізувати великі обсяги даних, працювати з BI-інструментами, розуміти закономірності та приймати рішення на основі аналітики.

Introduction to Deep Learning

Опануєте основи глибокого навчання, розберетеся в архітектурі нейронних мереж та навчитеся працювати з CNN, RNN, LSTMs та трансформерами.

Generative and Agentic AI

Ви заглибитеся у генеративні моделі та агентний AI, навчитеся працювати з LLM, GANs, Diffusion Models та інтегрувати генеративні алгоритми у продукти.

Applied Machine Learning: Business Cases

Ви навчитеся застосовувати машинне навчання у бізнесі, працювати з реальними кейсами та будувати рішення для автоматизації процесів, прогнозування та аналітики.

Data Engineering

Опануєте принципи роботи з великими обсягами даних, ETL-процеси, оптимізацію збереження даних та обробку інформації у реальному часі.

Product Analytics and Applied Statistics

Ви навчитеся працювати з аналітикою продукту, проводити A/B-тести, будувати статистичні моделі та приймати рішення на основі даних.

Tier 3

Cloud Computing for ML/AI and Data Preprocessing

Ви навчитеся працювати з хмарними платформами, запускати ML-моделі у клауді та автоматизувати обробку великих масивів даних.

MLOps CI/CD

Опануєте принципи безперервної інтеграції та розгортання моделей ML, побудови пайплайнів та автоматизації процесів навчання моделей.

Agile Product Management for Software Development Teams

Навчитеся ефективно керувати IT-продуктами, працювати у гнучких командах та застосовувати Agile-методології у розробці AI-рішень.

Career Strategies and Soft Skills for IT Professionals

Розвинете навички комунікації, переговорів, публічних виступів та ефективної роботи в команді, що критично важливо для успішної кар'єри в AI.

Дипломний проєкт

Applied Computer Science: Capstone Project

Фінальний проєкт, у якому ви розробите реальне AI-рішення або автоматизовану ML-систему, що можна впровадити у бізнес.

Ваш результат після навчання

• Опануєте Numerical Programming in Python, Machine Learning, Deep Learning, Generative AI та Agentic AI, навчитеся працювати з моделями для аналізу, прогнозування та автоматизації
• Опануєте реляційні бази даних, Data Engineering, Product Analytics та Applied Statistics, навчитеся будувати ефективні data-пайплайни
• Зможете працювати з Applied Machine Learning, використовувати Visual Analytics for Big Data для ухвалення стратегічних рішень
• Навчитесь автоматизувати пайплайни з MLOps CI/CD та забезпечувати ефективність, масштабованість моделей
• Отримаєте навички Agile Product Management, навчитеся ефективно працювати у командах розробки AI-рішень
• Опануєте Numerical Programming in Python, Machine Learning, Deep Learning, Generative AI та Agentic AI, навчитеся працювати з моделями для аналізу, прогнозування та автоматизації

Особливості курсу

• Допомога ментора
• Практика
• Проєкти в портфоліо
• Дипломна робота
• Сертифікат про проходження курсу
• Умови вступу:
  • Без ЄВІ/ЄФВВ
  • Диплом про попередню освіту

Викладачі курсу

• Богдан Коваль - Senior Software Engineer at Netflix
• Нік Білогорський - Ex-Director Security Google
• Віталій Нужний - Head of Ukraine
• Роман Прокоф'єв - Засновник Jooble
• Дмитро Лисицький - Співзасновник укр.філії GlobalLogic та стартапу Influ2
• Євген Сисоєв - Керівний партнер інвесткомпанії AVentures Capital
• Юлія Грущинська - Керівник відділу HR-партнерів в Ciklum
• Robert Potter - Co-Founder at Internet 2.0
• Костянтин Магалецький - Екс-партнер Horizon Capital
• Василь Тофан - Старший партнер Horizon Capital
• Марина Євдокименко - Президентка асоціації Women4Cyber Ukraine
• Сергій Борона - Head of Information Security at Ciklum
• Олексій Барановський - Senior Application Security Engineer at Intellias
• Олег Осадчук - Python Software Engineer at EPAM
• Олег Сінькевич - Machine Learning engineer at EngenAI
• Максим Лизогуб - ML Engineer at Everymatrix
• Володимир Голомб - Lead Data Scientist & ML Engineer at RBC Group
• Катерина Коцюбівська - Співзасновниця ГО "Агенція сталого розвитку та освітніх ініціатив"
• Антон Чорний - Agile product management lecturer / CEO of GoIT
• Юрій Кучма - Basic Algorithms Lecturer
• Андрій Білик - COO at WEBGORILLA Studio
• Олексій Репін - Frontend Developer at GoIT
• Максим Алієв-Ломач - Full Stack Engineer at AIWEB Solutions
• Руслана Ковальчук - Head of Career Center, GoIT
• Юлія Мельник - Head of Study at GoIT
• Юлія Олійник - Scrum Master & Project Manager at GoIT
• Ярослав Косиця - Frontend Developer at SoftRyzen
• Олег Андрус - Python Programming Lecturer
• Олексій Кудін - Data Scientist/ML Engineer at Upwork
• Тетяна Філімонова - Associate Professor at the Faculty of Information Technology
• Артур Гіль - Security Engineering Lead at Cossack Labs
• Ольга Караіван - SOC Engineer at Pharmbills
• Ярослав Малоокий - Cybersecurity Engineer at Kavitech
• Прокопенко Юрій - Директор з інформаційної безпеки Банку Кредит Дніпро (BCD)

Курс розрахований на тих, хто вже знайомий з процесом розробки в IT та мають бажання перекваліфікуватися в бізнес-аналітика. Після закінчення навчання ви оволодієте основами бізнес-аналізу, зможете проводити конкурентний аналіз ринку, отримаєте практичний досвід використання передових інструментів та практик бізнес-аналізу.

Програма курсу

Вступ до бізнес-аналізу та методології розробки програмного забезпечення

• Обов'язки та повноваження бізнес-аналітика
• Основи аналізу ринку
• Розглядаємо проєктні методології та фреймворки:
  • Agile
  • Scrum
  • Kanban
  • Waterfall

Tech skills

• Етапи розробки
• Які знання потрібні менеджеру кожному етапі?
• Що таке архітектура ПЗ?
• Backend та Frontend
• Які тех. фахівці є на проєкті та чим вони займаються
• Технічний сленг або як зрозуміти розробника?
• Комунікація з командою розробки
• Як менеджеру мотивувати тех. команду та вирішувати конфлікти?

Життєвий цикл вимог: виявлення, збір та аналіз

• Вчимося розуміти вимоги та розрізняти їх види
• Розбираємось, як виглядає загальний процес виявлення вимог та які інструменти для цього використовувати:
  • Інтерв'ю
  • Воркшоп
  • Мозковий штурм

Техніки документування: User Stories & Use Cases

• Вивчаємо ієрархію вимог, розуміємо, як декомпозувати та документувати вимоги
• Вчимося працювати з User Stories та Acceptance criteria
• Пріоритезуємо беклог та вивчаємо бізнес документацію (BRD, MRD, PRD) та технічну документацію (SRS, PSD, FSD)

Моделювання бізнес-процесів. UML & BPMN

• Use Case Diagram
• Activity Diagram
• Sequence Diagram
• Entity Relationship Diagram
• State Machine Diagram

Робота з нефункціональними вимогами: основи

• Доступність і надійність
• Швидкодія і масштабованість
• Підтримка і супровід
• Сертифікація та відповідність
• Локалізація та сумісність
• Функціональність і розширюваність
• Зручність користування і безпека

Тестування та валідація вимог

• Dependencies Invest VS PMBoK
• Planning Poker
• Regression
• Acceptance Testing

Створення прототипів та UX

• Види прототипів та розробка прототипу з нуля:
  • Sketch
  • Wireframe
  • Mockup

Інструменти роботи з вимогами: Jira & Confluence

• Критерії ефективно організованих вимог
• Вимоги в Jira
• Вимоги в Confluence
• Вимоги в Google Docs
• Baseline

Комунікації зі стейкхолдерами та презентація рішення

• Розберемося, які типи стейкхолдерів є
• Як проводити менеджмент стейкхолдерів та налагоджувати комунікацію
• А також навчимося красиво презентувати своє рішення для команди та клієнта

Робота з доменом

Розберемось, як занурення у доменну область допомагає бізнес-аналітику у визначенні бізнес-потреби. Розглянемо 2 техніки, які допоможуть вивчати домен за пару тижнів.

Кар'єра бізнес-аналітика

• Де шукати вакансії
• Статистика зарплат
• Топ 5 навичок Business Analyst
• Як не бути звільненим

Особливості курсу

• Заняття проходять у форматі вебінарів
• Для проходження курсу знадобиться знання англійської мови
• Підготовка до співбесіди та проходження тестових завдань
• Викладачі мають великий досвід роботи у різних компаніях
• Персональні консультації по розвитку кар'єри
• Допомога в пошуку релевантних вакансій

Викладачі курсу

• Дмитро Липовець - Product Owner at Mechanic Advisor
• Любик Кислюк - Lens production manager в компанії Snap Inc
• Мар'яна Ківерська - Human Resources Manager в компанії Impressit
• Валерія Коломієць - Business Analyst at Lizard Soft
• Юрій Малий - Head of Quality Assurance Stream в Київстар
• Анастасія Абрамова - Lead Business Analyst
• Олександр Духота - Business Analyst at NovaPay
• Вікторія Слуцька - Project Manager | Scrum Master at Valtech

Кожен теоретичний блок ми закріплюємо практикою. Завдяки 10 практичним завданням ви навчитеся автоматизувати хайринг, онбординг і адаптацію, складати анкети для зворотного зв'язку, плани розвитку, а також розробите план впровадження автоматизації для HR-департаменту на рік.

Програма курсу

Роль автоматизації в HR- та Recruitment-процесах

• Отримаєте roadmap курсу
• Зрозумієте, що охоплює автоматизація в HR-процесах і рекрутменті
• Розглянете тренди, переваги та недоліки автоматизації

ATS для Recruitment-процесів

• Дізнаєтеся, що таке Applicant Tracking System (ATS) і чим вона відрізняється від CRM- та HRM-систем
• З'ясуєте, які процеси можна автоматизувати за допомогою ATS
• Розглянете популярні інструменти ATS: PeopleForce, Greenhouse, HiBob, Hurma System тощо

HRM-системи для Talent Management процесів

• Зрозумієте, для чого потрібні HRM-системи
• Дізнаєтеся, які процеси можна автоматизувати за допомогою HRM-систем
• Розглянете популярні інструменти: HiBob, Hurma System, BambooHR, PeopleForce тощо

Інструменти автоматизації сорсингу

• Дізнаєтеся, що таке автоматизація сорсингу
• Розглянете інструменти для автоматизації сорсингу: інтеграція з job boards та соціальними мережами, розсилки, чат-боти
• Навчитеся автоматизувати листування з кандидатами без втрати якості комунікації

Інструменти автоматизації оцінювання та відбору

• Розглянете сучасні тренди залучення AI в Recruitment-процеси
• З'ясуєте, як використовувати AI для аналізу профілів та підбору релевантних резюме
• Розберете платформи для автоматизації оцінювання кандидатів: Pymetrics, HireVue тощо
• Дізнаєтеся про ризики імплементації автоматизації в процеси рекрутингу

Автоматизація онбордингу й офбордингу

• Дізнаєтеся, як покращити процес онбордингу нового співробітника завдяки автоматизації
• Зрозумієте, чи потрібно автоматизувати процес офбордингу
• Розглянете технічні рішення та сервіси для онбордингу й офбордингу
• Навчитесь обирати найбільш релевантні для вашого проєкту інструменти

Оптимізація процесів адаптації та розвитку

• Дізнаєтеся, що таке LMS-cистема і навіщо вона потрібна компанії
• Зрозумієте, як можна оптимізувати процеси адаптації та розвитку завдяки Knowledge Base, онлайн-тренінгам і персональним планам розвитку
• Розглянете найпопулярніші платформи для адаптації та розвитку талантів всередині компанії

Метрики ефективності роботи Recruitment-команд

• Зрозумієте, навіщо збирати фідбек про рекрутмент-процеси від кандидатів і хайринг-менеджерів
• Дізнаєтеся, як автоматизувати процес збору зворотного зв'язку
• Навчитеся складати анкети для Candidate Satisfaction Rate та Hiring Manager Satisfaction Rate

Оптимізація системи оцінювання продуктивності у компанії

• Розглянете різні системи оцінювання продуктивності, інструменти для відстеження OKR та KPI
• Дізнаєтеся, як автоматизувати 1:1, Performance Review, 360 Review, HR-адміністрування
• Розглянете AI-рішення для оптимізації популярних HR-процесів
• Розробите сценарій Performance Review

Збір та аналіз зворотнього зв'язку

• Зрозумієте, навіщо збирати зворотний зв'язок серед співробітників компанії
• Розглянете інструменти для збору зворотного зв’язку Google Forms, SurveyMonkey тощо

Ефективна Recruitment-аналітика

• Дізнаєтеся, для чого потрібна аналітика в рекрутингу
• Вивчите основні показники та метрики, які важливо збирати й аналізувати
• Розглянете інструменти візуалізації даних: Power BI, Tableau, Looker Studio - та як їх використовувати в рекрутмент-аналітиці
• Навчитеся застосовувати аналіз даних для оцінювання ефективності й прогнозування

HR-аналітика для оптимізації роботи в компанії

• Вивчите основи HR-аналітики
• Розглянете приклади розрахунків ключових метрик
• Навчитеся використовувати аналіз даних для прогнозування продуктивності та плинності кадрів
• Розберете методи й інструменти візуалізації HR-даних для ухвалення рішень

Імплементація автоматизації в Recruitment-процеси

• Розглянете, як правильно імплементувати інструменти автоматизації в поточні Recruitment-процеси
• З'ясуєте, як взаємодіяти з IT-відділом під час впровадження ATS
• Навчитеся розраховувати бюджет на автоматизацію та раціонально розподіляти кошти
• Дізнаєтеся, як пітчити й аргументувати користь ATS для бізнесу
• Розберете кейси успішної автоматизації Recruitment-процесів у різних компаніях

Як ефективно впровадити автоматизацію в HR-процеси

• Дізнаєтеся, як інтегрувати HR-систему з іншими системами компанії
• Розглянете кейси успішної автоматизації HR-процесів у різних компаніях
• З'ясуєте, як екологічно комунікувати про нововведення зі співробітниками
• Розробите план впровадження автоматизації для HR-департаменту на рік

Q&A - сесія

• Поставите запитання стосовно вивченого матеріалу лекторкам
• Обговорите складні кейси з практики власної чи колег

Особливості курсу

• Допомога ментора
• Практика
• Програма схвалена HRCI + 22.5 кредитних годин
• Сертифікат про проходження курсу

Викладачі курсу

• Дар'я Кружиліна - Head of Recruitment at Uklon
• Анастасія Русавська - Head of Recruitment & HR at Data Science UA

Навчитеся проєктувати доречну AI-архітектуру з нуля та впроваджувати її в робочі процеси без зайвих витрат і хаосу. Отримаєте чітке розуміння завдань, ролей і типів AI-систем на прикладі відомих продуктів і кейсів. Опануєте підходи до масштабування, MLOps і безпеки, щоб ваші рішення були надійними, захищеними та гнучкими. Навчитесь адаптувати AI-рішення під хмарні та локальні середовища й підключати їх до систем, що вже працюють.

Програма курсу

Основи АІ

• Зрозумієте, що таке AI та які напрями існують у сфері
• Зможете відрізнити неетичне використання AI та з'ясуєте, які законодавчі акти його регулюють
• Розберете тренди й перспективи галузі

АІ-рішення у сучасному бізнесі

• Зрозумієте, які основні типи AI-систем використовують у різних сферах
• Зможете визначити проблеми, які можна розв'язати за допомогою AI
• Знатимете основні компоненти AI рішень

Особливості роботи архітектора на АІ-проєктах

• Навчитеся формулювати бізнес-проблему, яку має розв'язати AI-рішення
• Зможете оцінювати наявність і якість даних для майбутньої системи
• Розберетеся, як визначати доцільність використання AI у конкретному кейсі
• Знатимете, як збирати функціональні й нефункціональні вимоги до AI-систем
• Зможете попередньо оцінювати витрати на розробку та підтримку AI-рішень

Пошукові системи

• Зрозумієте основні інфраструктурні компоненти пошукових систем
• Зможете побудувати архітектуру пошукової системи згідно з вимогами та представити її за допомогою діаграми
• Розглянете приклад реальної пошукової системи (інфраструктуру YouTube-пошуку)

Q&A-сесія

Отримаєте відповіді на запитання, які виникли протягом навчання.

Рекомендаційні системи

• Зрозумієте основні інфраструктурні компоненти рекомендаційних систем
• Зможете побудувати архітектуру рекомендаційної системи згідно з вимогами та представити її за допомогою діаграми
• Розглянете приклад реальної рекомендаційної системи (інфраструктуру YouTube-рекомендацій)

Обробка відео та зображень

• Зрозумієте основні інфраструктурні компоненти систем з обробки відео та зображень
• Зможете побудувати архітектуру системи з обробки відео та зображень згідно з вимогами та представити її за допомогою діаграми
• Розглянете приклад реальної системи (інфраструктуру Google Street View Blurring)

Системи, що генерують інформацію (GenAI)

• Зрозумієте основні інфраструктурні компоненти GenAI-систем
• Зможете побудувати архітектуру GenAI-системи згідно з вимогами та представити її за допомогою діаграми
• Розглянете приклад реальної GenAI-системи (інфраструктуру ChatGPT)

Основи MLOps

• Зрозумієте відмінність між DevOps і MLOps у контексті AI-проєктів
• Ознайомитеся з підходами до оцінювання рівня автоматизації AI-рішень (MLOps maturity)
• Вивчите ключові компоненти MLOps: версіювання моделей, API, feature store, моніторинг
• Навчитеся контейнеризувати моделі для зручного розгортання
• Дізнаєтеся про додаткові інструменти й практики автоматизації в MLOps

MLOps з використанням сервісів AWS

• Зможете побудувати архітектуру MLOps-системи та представити її за допомогою діаграми
• З'ясуєте, які сервіси AWS можна використати для імплементації MLOps
• Дізнаєтеся, як побудувати повноцінний MLOps-процес за допомогою Amazon SageMaker
• Зрозумієте, як зібрати кастомний MLOps-пайплайн з окремих AWS-компонентів

Безпека інформації в АІ-системах

• Зрозумієте принципи захисту даних у стані спокою та під час передачі
• Навчитеся налаштовувати безпечний доступ до даних у сценаріях cross-account
• Дізнаєтеся про типові вектори атак, характерні для AI-рішень, та як їм запобігати

Q&A-сесія

Отримаєте відповіді на запитання, які виникли протягом навчання.

Практична реалізація АІ-рішення

• Зрозумієте, що таке архітектурна ката і як вона допомагає покращити навички архітектора
• Зможете скласти архітектурний документ з усіма потрібними компонентами для AI-системи
• Отримаєте рекомендації щодо виконання фінального проєкту

Завершення курсу та фінальний проєкт

Особливості курсу

• Допомога ментора
• Практика
• Сертифікат про проходження курсу
• Фінальний проєкт

Викладачі курсу

Анна Пастушко - AWS Solutions Architect at Intellias

Онлайн-курс про те, як отримати практичну користь від мікросервісів. Ви опануєте головні принципи розробки мікросервісної архітектури, зрозумієте, як використовувати їх доречно та вмітимете проєктувати легкомасштабовані рішення для бізнесу. Ви навчитесь проєктувати сервіси, будувати міжсервісну взаємодію, розгортати й моніторити систему. Наприкінці сформуєте власний план впровадження мікросервісної архітектури для свого проєкту.

Програма курсу

Моноліт vs Мікросервіси

• Розберете переваги та недоліки основних популярних видів архітектури
• Зрозумієте типові нефункціональні вимоги
• Розглянете основні концепції мікросервісної архітектури
• Набудете навичок використовувати Azure OpenAI для аналізу нефункціональних вимог та пропозицій архітектурних підходів
• Навчитеся застосовувати Copilot для створення базових архітектурних діаграм чи boilerplate-код для порівняння моноліту та мікросервісів

Моделювання мікросервісів

• Навчитеся відокремлювати компоненти для мікросервісів
• Зрозумієте принципи доменно-орієнтованого дизайну (DDD)
• Проєктуватимете доменну модель з використанням DDD
• Розглянете особливості використання внутрішніх бібліотек
• Зможете будувати C4-діаграми
• Зможете автоматично виділяти ключові бізнес-терміни з документації, формувати ubiquitous language і малювати список агрегатів для bounded context за допомогою Copilot

Стратегії декомпозиції

• Дізнаєтеся загальні принципи декомпозиції компонентів
• Навчитеся використовувати патерни декомпозиції
• Розумітимете основні ризики, що можуть виникнути під час декомпозиції моноліту
• Побудуєте алгоритм міграції моноліту до мікросервісів
• Навчитеся використовувати Copilot для пошуку залежностей у коді C# та отримання рекомендацій щодо винесення окремих частин у сервіси
• Зможете застосовувати Copilot для аналізу бізнес-документації та формування кандидатів у bounded context

Взаємодія мікросервісів: Request/Response

• Розглянете проблеми, що можуть виникати внаслідок спільного користування даними
• Дізнаєтеся, чим відрізняється синхронна та асинхронна моделі комунікації
• Зможете проєктувати та обирати технології для синхронних комунікацій
• Навчитеся будувати діаграму послідовностей
• Навчитеся використовувати Azure Application Insights з ML-аналітикою для автоматичного виявлення затримки у викликах між сервісами
• Зможете застосовувати Copilot для генерації прикладів конфігурацій для API Gateway або Service Bus topics/queues

Взаємодія мікросервісів: Event Driven

• Проєктуватимете ефективну подійно-орієнтовану комунікацію
• Дізнаєтеся основні характеристики брокерів повідомлень, зможете вибрати брокер під конкретне завдання
• Проєктуватимете реєстри сервісів
• Навчитеся працювати зі зворотно несумісними змінами
• Навчитеся використовувати Azure Application Insights з ML-аналітикою для автоматичного виявлення затримки у викликах між сервісами
• Зможете застосовувати Copilot для генерації прикладів конфігурацій для API Gateway або Service Bus topics/queues

Патерни мікросервісів

• Розберете основні патерни проєктування розподіленого фронтенду
• Зможете використовувати найпопулярніші патерни мікросервісів
• З'ясуєте, як Azure OpenAI може аналізувати метрики та логіку бізнес-кейсів і підказати, коли застосувати CQRS або BFF
• Дізнаєтеся, як Copilot допомагає швидко створити код-шаблон для Aggregator або Proxy

Управління транзакціями

• Розберете базові характеристики транзакцій
• Дізнаєтеся нюанси перетікання транзакцій у розподіленій системі
• Зможете використовувати механізми локів (locks) для синхронізації транзакцій
• Навчитеся будувати механізми скасування транзакції з використанням патерну Sagas
• Опануєте базові принципи інтеграції даних у системи моніторингу та аналітики з використанням CDC
• Зможете застосовувати Azure Anomaly Detector для виявлення завислих чи дубльованих транзакцій
• З'ясуєте, як використовувати Copilot для допомоги у створенні кодових шаблонів для Saga (оркестрованої чи хореографованої)

Масштабування

• Дізнаєтеся про основні підходи для масштабування сервісів
• Навчитеся аналізувати вузькі місця (bottlenecks) системи та обирати підхід до масштабування для їх усунення
• Розберете типові стратегії кешування системи та зможете їх використовувати для підвищення продуктивності сервісу
• Вмітимете застосовувати Azure Autoscale з ML та прогнозувати майбутні навантаження, щоб масштабувати ресурси проактивно

Стійкість

• Розберете основні типи помилок, що можуть виникати під час мережевої комунікації
• Опануєте BASE-модель та CAP-теорему
• Дізнаєтеся, коли та як використовувати патерни Circuit Breaker і Bulkhead
• Зможете підвищити стійкість і доступність системи завдяки надлишковості
• З'ясуєте, як Azure Monitor застосовує ML для anomaly detection і прогнозу інцидентів
• Розглянете, як Copilot може генерувати конфігурації для retry та circuit breaker політик, щоб швидше впроваджувати resilience-патерни

Тестування

• Навчитеся проєктувати service meshes
• Дізнаєтеся, коли та як використовувати API Gateway
• Зможете проєктувати тести для мікросервісу
• Вмітимете проєктувати тести для перевірки інтеграції мікросервісів
• Розглянете, що таке test flakiness та як із цим боротися
• З'ясуєте, як GitHub Copilot може автоматично згенерувати Unit-тести для нового сервісу
• Зможете застосовувати Copilot для генерації інтеграційних сценаріїв з описів вимог

Розгортання

• Зрозумієте специфіку DevOps-методології у випадку мікросервісної архітектури
• Проєктуватимете CI/CD-пайплайни, що задовольнять вимоги мікросервісної архітектури
• Розберете сучасні інструменти розгортання та оркестрації сервісів
• Дізнаєтесь, як реалізувати Zero downtime підхід
• Розберете, як Azure DevOps Pipelines інтегрується з AI для аналізу ризику релізів (на основі історичних даних)
• Розглянете, як Copilot допомагає створювати YAML-пайплайни та оптимізувати скрипти деплойменту

Моніторинг та помітність

• Навчитеся проєктувати систему моніторингу та логування для розподіленої системи
• Дізнаєтесь, як здійснюється розподілене трасування
• Зможете розрахувати основні значення для SLA та SLO системи
• Зрозумієте типові метрики інцидентів
• З'ясуєте, як Microsoft Sentinel та Azure Monitor застосовують ML для виявлення аномалій у логах і метриках
• Розберете, як Copilot допомагає формувати KQL-запити для аналізу даних у Log Analytics

Аутентифікація та безпека

• Дізнаєтеся, що впливає на безпеку розподіленої системи
• Розберете специфіку шифрування даних у випадку мікросервісної архітектури
• Опануєте основні механізми міжсервісної аутентифікації
• Зможете обрати та реалізувати механізм аутентифікації для конкретного випадку
• З'ясуєте, як Azure AD Identity Protection використовує ML для виявлення підозрілих логінів
• Розглянете, як Copilot може допомогти інтегрувати MFA/Conditional Access у коді

Організаційна структура

• Зрозумієте основні критерії вибору організаційної структури для роботи з розподіленими системами
• Дізнаєтеся типові моделі відповідальності
• Навчитесь організовувати команди для розробки мікросервісної архітектури
• Розберете, як Microsoft Viva Insights з AI аналізує ефективність роботи команд і пропонує зміни
• З'ясуєте, як Copilot допомагає автоматизувати створення репортів на основі даних з Azure DevOps або Power BI

Особливості курсу

• Нарощення бази знань
• Підвищення скілів
• Кар'єра
• Допомога ментора
• Практика
• Сертифікат про проходження курсу

Викладачі курсу

Михайло Єдемський - Senior Software Engineer at Microsoft

Зрозумієте, як AI змінює роль QA-фахівців, які процеси він може автоматизувати та як безпечно інтегрувати його у свою роботу. Навчитеся створювати тест-кейси, API-тести й SQL-запити через ChatGPT, Copilot, Claude та інші АІ-інструменти. Дізнаєтесь, як генерувати тест-плани, звіти, user stories та acceptance-критерії у форматах Markdown або Confluence, зменшуючи час на рутину. Інтегруєте AI в CI/CD, GitHub, Jira та лог-аналіз. У фіналі курсу створите власного QA-асистента або автоматизований процес тестування з AI.

Програма курсу

Знайомство. Вступ до AI в QA: можливості, виклики та ролі

• Зрозумієте, як AI змінює роль QA-фахівця та процеси тестування
• Розберете основні поняття AI (ML, NLP, LLM, Computer Vision) у контексті тестування
• Ознайомитеся з поточними трендами та викликами використання AI в QA
• Навчитеся писати базові запити (prompts) для AI в тестових сценаріях

Аудит власних задач: де AI може допомогти вже сьогодні

• Проаналізуєте свої QA-задачі та визначите, де AI може бути корисним
• Дізнаєтесь, як створювати власну AI Use Map для тестових процесів
• Зрозумієте матрицю "простота впровадження / ефективність" для вибору AI-рішень
• Ознайомитеся з типами AI-інструментів для ручного, автоматизованого та нефункціонального тестування

Етика, помилки, контроль якості AI-результатів

• Зрозумієте, чому не можна повністю довіряти AI в тестуванні
• Розберетеся, що таке AI-галюцинації та як перевіряти достовірність результатів
• Ознайомитеся з етичними аспектами використання AI в QA (bias, прозорість, відповідальність)
• Навчитеся застосовувати принцип "тестування тестів" для перевірки AI-відповідей

Генерація тест-кейсів: з user story, флоу

• Дізнаєтесь, як перетворити user story або баг на набір тест-кейсів
• Розберете, які типи тестів може згенерувати AI (позитивні, негативні, edge cases)
• Зрозумієте, як формулювання промпта впливає на якість результату
• Навчитеся представляти тести у форматах Markdown, таблиць або YAML
• Зможете адаптувати AI-відповіді для реального тестування

Генерація API-запитів + тестів

• Навчитеся генерувати API-запити й тести на основі Swagger/OpenAPI
• Дізнаєтесь, як перевіряти структуру відповіді, статуси та обробку помилок
• Зрозумієте, як AI допомагає прискорити створення тестів для API
• Зможете писати якісні промпти для API-тестування

AI та SQL: запити до БД, генерація тестових даних

• Навчитеся формулювати запити до AI для генерації SQL-коду
• Дізнаєтесь, як створювати таблиці й тестові дані за допомогою AI
• Ознайомитеся з методами валідації даних у БД на основі сценаріїв
• Зрозумієте, як AI може допомогти в аналізі даних: пошук аномалій, повторів, трендів
• Зможете використовувати промпт-шпаргалку для задач SQL-тестування

Автоматичне створення документації: тест-плани, звіти, резюме тестів

• Навчитеся формулювати промпти для створення тест-планів, стратегій та звітів
• Дізнаєтесь, як оформлювати тестову документацію у форматі Markdown
• Ознайомитеся з можливостями інтеграції AI-документів у Confluence / Google Docs
• Зрозумієте, як автоматизувати створення звітності за допомогою AI

UI-тестування з AI

• Зможете генерувати UI-тести на основі опису інтерфейсу
• З'ясуєте, як AI допомагає порівнювати скриншоти й знаходити візуальні дефекти
• Ознайомитеся з принципами доступності (WCAG) та їхньою перевіркою через AI
• Навчитеся створювати промпти для аналізу layout, UX та accessibility

Автоматизація тестів через AI

• Навчитеся формулювати промпти для генерації автоматизованих тестів
• Зрозумієте, коли доцільно генерувати код тестів через AI, а коли - писати вручну
• Розберете ризики AI-помилок у згенерованому коді та способи ревізії
• Ознайомитеся з можливостями інтеграції AI з інструментами автоматизації (Selenium, Testim)

AI в security-тестуванні

• Ознайомитеся з OWASP Top 10 і зрозумієте типові вразливості вебдодатків
• Навчитеся формулювати промпти для пошуку SQL Injection, XSS та інших вразливостей
• Дізнаєтесь, як AI може допомагати у перевірці конфігів, токенів та prompt injection
• Зрозумієте роль AI в забезпеченні безпеки під час тестування

AI в командних процесах: Jira, Slack, Docs

• Навчитеся генерувати Jira-тікети з описом, типом та acceptance criteria
• Дізнаєтесь, як AI може створювати звіти для командної комунікації в Slack
• Ознайомитеся з автоматизацією документації (changelog, meeting notes, user guides)
• Зрозумієте, як AI допомагає оптимізувати командну взаємодію в QA-процесах

AI в DevOps-процесах: CI/CD, лог-аналіз, GitHub

• Навчитеся формулювати промпти для аналізу логів та пошуку причин збоїв
• З'ясуєте, як AI допомагає в CI/CD для виявлення помилок і генерації фіксів
• Ознайомитеся з використанням GitHub Copilot для Pull Request summary
• Зможете застосовувати AI для автоматизації log-analysis та incident response

Побудова свого AI-процесу

• Навчитеся визначати процеси, які можна автоматизувати за допомогою AI
• Дізнаєтесь, як створити MVP-процес або AI-асистента для QA
• Зрозумієте, як пріоритизувати задачі та оцінювати ефективність AI-впровадження
• Зможете підготувати свій кейс до реалізації у вигляді фінального проєкту

Захист курсових робіт (фінальних проєктів)

• Зможете презентувати свій AI-кейс у форматі, зрозумілому для команди
• Дізнаєтесь, як оцінити ефективність автоматизації: час, якість, стабільність
• Ознайомитеся з досвідом інших студентів та навчитеся давати конструктивний фідбек
• Зрозумієте, як виглядає реальне впровадження AI в QA-процеси

Особливості курсу

• Допомога ментора
• Практика
• Курсовий проєкт
• Проєкт в портфоліо
• Сертифікат про проходження курсу

Викладачі курсу

Євгенія Вишневська - Senior QA Engineer at Google